Mini Machine Learning Air BnB By Amirisback
Clasification and Clustering
Watermark
- Muhammad Faisal Amir
- 1301198497
- IFX - 43 - GAB
- Informatics 2019
- Telkom University
About This Project
- Clasification and clustering for machine learning in python, using Air BnB dataset
Structure This Project
Result - Screen Shot App
Terdiri dari 3 jenis hasil
- Run program in console
- Csv
- Report
Result run program in console
Result csv
Auto generate with name file (Column already specified):
- Location : com.frogobox.result (Run the program first)
- Clustering - [DateToday]-airbnb-clustering-kmeans.csv
- Classification - [DateToday]-airbnb-classification-knn.csv
Auto generate with name file (Column random):
- Location : com.frogobox.result (Run the program first)
- Clustering - [DateToday]-airbnb-clustering-kmeans-random.csv
- Classification - [DateToday]-airbnb-classification-knn-random.csv
Result image clustering
Result report
Tools
TODO
- Terdapat 3 buah dataset, setiap mahasiswa diberikan 1 buah dataset sesuai table di bagian akhir deskripsi ini. Mahasiswa dibebaskan untuk memilih feature dan label yang akan digunakan.
- Setiap mahasiswa harus mengerjakan 2 buah task terhadap dataset tersebut, yaitu Clustering dan Classification.
- Untuk Task Clustering, mahasiswa tidak boleh menggunakan library untuk proses pemodelan (harus coding from scratch).
- Bahasa pemrograman yang digunakan adalah Python.
Sub TODO
Untuk setiap task, mahasiswa diharapkan setidaknya melakukan hal- hal berikut :
- Formulasi Masalah : mengacu pada 4 tahap From Problem to ML Solution
- Eksplorasi dan Persiapan Data (termasuk split data): Setidaknya menggunakan 2 buah teknik eksplorasi dan/atau penyiapan data. Jelaskan kenapa menggunakan teknik tersebut.
- Pemodelan : Pilih satu algoritma yang akan digunakan. Jelaskan alasan pemilihan tersebut. Buat model menggunakan data hasil proses 3.b. Kerapian dan kejelasan kode sangat penting. Jelaskan dengan detil setiap langka hnya.
- Eksperimen : Wajib melakukan setidaknya 2 eksperimen (menghasilkan 2 model berbeda), misal dengan membedakan fitur yang digunakan, Teknik penyiapan data yang berbeda, algoritma berbeda, dan sebagainya.
- Evaluasi : Pilih metode evaluasi yang ingin diguna kan serta jelaskan alasannya. Lakukan evaluasi terhadap model yang digunakan. Berikan analisis terhadap hasil evaluasi.
- Kesimpulan : Sampaikan kesimpulan dari semua proses yang dijalankan, apa saja lesson learned, dan apa saran untuk improvement ke depan.
Submit Task :
- Laporan diketik dalam A4 menggunakan times new roman size 12, margin 3cm, space 1.15 (.pdf)
- Kode-kode yang siap dieksekusi (.py/.ipynb)
- Dataset hasil eksplorasi
Documentation
Colaborator
Very open to anyone, I'll write your name under this, please contribute by sending an email to me
- Mail To [email protected]
- Subject : Github _ [Github-Username-Account] _ [Language] _ [Repository-Name]
- Example : Github_amirisback_kotlin_admob-helper-implementation
Name Of Contribute
- Muhammad Faisal Amir
- Waiting List
- Waiting List
Waiting for your contribute
Reference
Attention !!!
Please enjoy and don't forget fork and give a star